一种基于多尺度相对熵的视觉显著区域提取方法技术

本发明专利技术公开了一种基于多尺度相对熵的视觉显著区域的提取方法，包括：从输入图像提取不同的全局颜色特征图和方向特征图；将颜色特征图和方向特征图进行高斯金字塔分解，并进行多尺度归一化；分别计算各自特征空间的颜色局部相对熵和方向局部相对熵；对不同特征空间的结果分别归一化，并进行线性迭加；将颜色显著图和方向显著图线性相加，然后进行二维高斯平滑，从而提取出视觉显著区域。与传统方法相比，本发明专利技术充分考虑了反映全局显著性的颜色和方向特征，以及反映局部新奇性的相对熵，并采用了多尺度分析的方法，具有有效，可靠的优点。本发明专利技术可用于自然图像，遥感图像等的自适应压缩采样和目标检测，在低成本成像设备中有广阔的应用前景。

【技术实现步骤摘要】

本专利技术涉及一种图像处理和目标识别方法，尤其涉及一种基于相对熵的视觉显著区域提取方法。
技术介绍
随着信息技术的发展，信息的提取和压缩到了越来越广泛的关注。由于人类感知到的外部信息有80%来自于视觉。面对庞大的视觉信息输入，人类视觉系统之所以能够进行快速、有效地处理，是因为在人类视觉信号处理的早期阶段存在着一种差异性评价过程，该过程将感知到的一些与众不同的刺激信号(新奇特征)提取出来，组成显著性区域并分配给有限的视觉注意资源。因为显著性区域计算在目标检测、图像压缩以及图像搜索等领域具有广泛的实际应用背景，所以如何模拟人类视觉系统的注意机制，建立显著性区域的计算模型获得了心理学和机器视觉领域的大量关注。第一个较为系统的显著性计算框架由Itti提出，其基本思想是先对不同分辨率下的图像分别提取亮度、颜色、方向等视觉特征的要素图，然后将不同分辨率下的要素图进行中央-周边加权处理后形成整合显著图。实际上，自然图像满足非高斯分布，而Itti采用高斯差分方式处理中央-周边滤波，不能很好的过滤自然图像中的非高斯冗余(L.1tti, C.Koch. Computational Model of V本文档来自技高网...

【技术保护点】
一种基于多尺度相对熵的视觉显著区域提取方法，其特征在于，包括下列步骤：步骤一：对输入原始图像提取特征，求取颜色特征图和方向特征图，其中，首先采用彩色变换法，提取原始图像在CIELAB空间的亮度L，红绿对抗色A，蓝黄对抗色B三个颜色分量；再采用Gabor小波，提取原始图像的灰度图像在在0°，45°，90°，135°的方向特征，得到颜色特征图和方向特征图，其中二维Gabor公式为：g(x,y)=kj2σ2exp(-kj2(x2+y22σ2))×[exp(ikj·x)-exp(-σ22)]---(1)其中，x，y为给定图像的位置坐标...

【技术特征摘要】
1.一种基于多尺度相对熵的视觉显著区域提取方法，其特征在于，包括下列步骤步骤一对输入原始图像提取特征，求取颜色特征图和方向特征图，其中，首先采用彩色变换法，提取原始图像在CIELAB空间的亮...

【专利技术属性】
技术研发人员：缪小冬，李舜酩，沈峘，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：